Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Validation of a RBFN Model by Sensitivity Analysis Kapitel lesen Erstes Kapitel lesen

2003 | OriginalPaper | Buchkapitel

The Design of Beta Basis Function Neural Network Using Hierarchical Genetic Algorithm

verfasst von : Chaouki Aouiti, Adel M. Alimi, Aref Maalej

Erschienen in: Artificial Neural Nets and Genetic Algorithms

Verlag: Springer Vienna

Enthalten in: Professional Book Archive

Zugang erhalten

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

We propose an evolutionary method for the design of Beta basis function neural networks (BBFNN). Classical training algorithms start with a predetermined network structure for neural networks. Generally speaking the neural network is either insufficient or over-complicated. This paper describes a hierarchical genetic learning model of the BBFNN. In order to examine the performance of the proposed algorithm, it is used for functional approximation problem. The results obtained have been encouraging.

Vorheriges Kapitel Towards building computational agent schemes
Nächstes Kapitel Population Learning Algorithm for Resource-Constrained Project Scheduling
Metadaten
Titel
The Design of Beta Basis Function Neural Network Using Hierarchical Genetic Algorithm
verfasst von
Chaouki Aouiti
Adel M. Alimi
Aref Maalej
Copyright-Jahr
2003
Verlag
Springer Vienna
Buch
Artificial Neural Nets and Genetic Algorithms

Print ISBN: 978-3-211-00743-3

Electronic ISBN: 978-3-7091-0646-4

Copyright-Jahr: 2003

DOI
https://doi.org/10.1007/978-3-7091-0646-4_39

Neuer Inhalt

    Bildnachweise